Kapitel 1 Grundsätzliches zur Sprache

Transkript

1 Kapitel 1 Grundsätzliches zur Sprache 1

2 1 1 Grundsätzliches zur Sprache 1.1 Sprache als Kommunikationsmittel Lautsprachliche Kommunikation Geschriebene vs. gesprochene Sprache Die Beschreibung von Sprache Die linguistischen Ebenen Die phonetische Schrift Die akustisch-phonetische Ebene Die Prosodie der Sprache Die menschliche Sprachproduktion Übersicht über den Sprechapparat Die Funktion des Sprechapparates Die Artikulation der Sprachlaute Das menschliche Gehör Wahrnehmung der Schallintensität Periodizität und Tonhöhe Die Phasenwahrnehmung Der Verdeckungseffekt Wahrnehmung der Sprachlaute Verarbeitung natürlicher Sprache... 21

3 1 Grundsätzliches zur Sprache In diesem Kapitel werden allgemeine Grundlagen und Begriffe eingeführt, auf denen die weiteren Kapitel aufbauen. 1.1 Sprache als Kommunikationsmittel Lautsprachliche Kommunikation Kommunikation bezeichnet allgemein die Übermittlung von Information. Dabei können die Art der Information und das Übertragungsmedium sehr unterschiedlich sein. Bei der direkten lautsprachlichen Kommunikation zwischen Menschen wird die Information (Botschaft, Gedanke, Idee etc.) in die Form der gesprochenen Sprache umgesetzt, die sich vom Mund des Sprechers via das Medium Luft als Schallwellen ausbreitet, wie in der Abbildung 1.1 schematisch dargestellt. Die Schallwellen gelangen an das Ohr des Zuhörers, der aus dem Sprachschall die Botschaft ermittelt. Gedanke sprechende Person zuhörende Person Gedanke kognitiver Prozess Artikulatoren Gehör kognitiver Prozess Abbildung 1.1. Symbolische Darstellung der lautsprachlichen Übertragung einer gedanklichen Botschaft von einem Sprecher zu einem Zuhörer Lautsprachliche Kommunikation kann nicht nur zwischen Menschen, sondern auch zwischen einer Maschine und einem Menschen stattfinden. Im Gegensatz zum menschlichen Sprecher versteht jedoch gewöhnlich die sprechende Maschine den Sinn der ausgegebenen Lautsprache nicht. Die sprechende Maschine ersetzt somit im Allgemeinen nicht einen Sprecher, der Gedanken in Lautsprache umsetzt. Heutzutage geben die meisten der sogenannt sprechenden Maschinen bloss vorgängig aufgezeichnete Sprachsignale aus. Neuerdings kommt auch Sprachsynthese zum Einsatz, also das Umsetzen einer als Text ausformulierten Meldung in ein Sprachsignal. Das Übersetzen von Ideen, Fakten etc. in sprachlich korrekte und sinnvolle Texte wird jedoch weitgehend bei der Konzeption der Maschine vollzogen und ist somit Sache des Menschen.

4 6 1. Grundsätzliches zur Sprache Sinngemäss trifft dies auch für den Vergleich einer Spracherkennungsmaschine mit einem Zuhörer zu. Während der Zuhörer das Gehörte automatisch auf seinen Sinn hin überprüft, indem er es zum aktuellen Thema und zu allgemeinem Wissen in Bezug setzt, begnügt sich die Spracherkennung in der Regel damit, das Sprachsignal in eine Folge von Wörtern zu transformieren. Ob diese Wortfolge auch sinnvoll ist, lässt sich i.a. maschinell nicht überprüfen Geschriebene vs. gesprochene Sprache Die lautliche Form der menschlichen Sprache ist viel älter als die geschriebene. Entwicklungsgeschichtlich gesehen ist das Bestreben, nebst der Lautsprache auch eine schriftliche Form der Kommunikation zu haben, relativ jung, insbesondere im deutschen Sprachraum. Ursprünglich versuchte die (alphabetische) Schrift ein Abbild der Lautsprache zu geben, war also eher eine Art phonetische Schreibweise. Die so entstandene Orthographie der deutschen Sprache war naheliegenderweise stark durch den Dialekt und die persönliche Auffassung des Schreibers geprägt und somit sehr uneinheitlich. 1 Mit der zunehmenden Bedeutung der schriftlichen Kommunikation durch die Erfindung des Buchdrucks Mitte des 15. Jahrhunderts und noch ausgeprägter durch die Einführung der allgemeinen Schulpflicht zu Beginn des 19. Jahrhunderts wurde die Vereinheitlichung der deutschen Rechtschreibung verstärkt. Die Veröffentlichung des Vollständiges orthographisches Wörterbuch der deutschen Sprache von Konrad Duden im Jahre 1880 war ein wichtiger Schritt auf diesem Wege. Eine allgemein anerkannte und als verbindlich festgelegte deutsche Orthographienorm entstand jedoch erst 1901 an der Orthographischen Konferenz in Berlin. Die moderne Zivilisation mit ihrer starken Abhängigkeit von der geschriebenen Sprache verleitet dazu, Sprache in erster Linie in ihrer geschriebenen Form zu betrachten und die Lautsprache zur ungenauen verbalen Realisation eines Textes abzuqualifizieren. Tatsächlich sind jedoch die Ausdrucksmöglichkeiten der Lautsprache vielfältiger als diejenigen der geschriebenen Sprache (vergl. auch Abschnitt 1.2.4), und zwar unabhängig davon, ob es sich um gelesene Sprache oder um sogenannte Spontansprache handelt. Dieses Buch befasst sich sowohl mit der geschriebenen, als auch mit der gesprochenen Sprache und insbesondere mit der automatischen Umwandlung der einen Form in die jeweils andere. Die Charakterisierung von geschriebener bzw. gesprochener Sprache erfolgt dementsprechend unter einer technischen Perspektive. 1 So sind beispielsweise für das Wort Leute in Dokumenten aus dem 14. bis 16. Jahrhundert unter anderem die folgenden Schreibweisen zu finden: Leut, Leüthe, Lude, Lu e de, Lute, Lüt, Lút, Lu i te, wobei nicht alle hinsichtlich Bedeutung identisch sind (vergl. [28]).

5 1.1 Sprache als Kommunikationsmittel 7 Unter geschriebener Sprache soll hier Text verstanden werden, der z.b. als Zeichenfolge in einem Computer vorliegt. Mit gesprochener Sprache sind digitalisierte Sprachsignale, sogenannte Zeitreihen gemeint. Die augenfälligsten Unterschiede sind somit (vergl. auch Abbildung 1.2): Text besteht grundsätzlich aus einer Folge diskreter Zeichen aus einem relativ kleinen Zeichensatz, den Buchstaben des Alphabets. Die Zeichen beeinflussen sich gegenseitig nicht und die Wörter sind klar gegeneinander abgegrenzt. Lautsprache ist zwar auch eine Abfolge von Elementen, nämlich von Lauten, die wir mehr oder weniger eindeutig wahrnehmen können. Die in der Form des Sprachsignals physikalisch erfassbare Lautsprache zeigt jedoch, dass die Laute nicht scharf voneinander abgegrenzt sind, weder in zeitlicher Hinsicht noch bezüglich der charakteristischen Eigenschaften. Die lautlichen Eigenschaften des Sprachsignals verändern sich kontinuierlich von einem Laut zum nächsten, auch über die Wortgrenzen hinweg. Wortgrenzen sind somit in der Regel nicht ersichtlich. Zudem ist die Ausprägung eines Lautes stark von seinen Nachbarlauten (Koartikulation), von seiner Stellung im Wort bzw. Satz und nicht zuletzt vom Sprecher abhängig. Ein digitalisiertes Sprachsignal ist eine Folge von Abtastwerten, also eine Zahlenreihe und somit auch eine Folge diskreter Zeichen. Im Gegensatz zur geschriebenen Sprache, bei der z.b. jedes ASCII-Zeichen genau einem Buchstaben entspricht, besteht jedoch zwischen einem Signalabtastwert und einem Laut kein direkter Zusammenhang. Diese rudimentäre Charakterisierung zeigt, dass das Sprachsignal von diversen sehr unterschiedlichen Faktoren geprägt wird. Es kann deshalb kaum erstaunen, dass das Detektieren von Lauten im Sprachsignal und damit die Spracherkennung alles andere als trivial ist. Text: Heinrich kommt nach Hause. Sprachsignal: [s] Abbildung 1.2. Veranschaulichung der Verschiedenheit von Text und Sprachsignal

6 8 1. Grundsätzliches zur Sprache Die Beschreibung von Sprache In diesem Abschnitt geht es um die Beschreibung von Sprache aus der Sicht der Linguistik. Dabei interessiert, aus welchen Elementen die Sprache besteht, welche Gesetzmässigkeiten zwischen Elementen (oder Folgen von Elementen) vorhanden sind und welche Beziehungen zwischen den Elementen und dem Rest der Welt bestehen (siehe Abschnitt 1.2.1). Diese vielschichtigen Zusammenhänge werden auch als Struktur der Sprache bezeichnet und die sprachlichen Elemente werden dabei als Symbole oder Abstrakta betrachtet. Aus der Sicht der Phonetik geht es bei der Beschreibung von Sprache um die Eigenschaften der konkreten lautsprachlichen Realisierungen der abstrakten Elemente. Dabei wird zwischen der segmentalen Ebene, also der Ebene der Laute (vergl. Abschnitt 1.2.3), und der suprasegmentalen Ebene, der Prosodie (siehe Abschnitt 1.2.4) unterschieden Die linguistischen Ebenen Bei der Beschreibung der Struktur der Sprache unterscheidet die Linguistik verschiedene Ebenen. Es ist üblich, die Ebenen nach Komplexität zu ordnen, wobei zur Komplexität hauptsächlich die Vielfalt und die Grösse der Elemente beitragen. Auf der untersten Ebene wird zudem zwischen Lautsprache und geschriebener Sprache unterschieden: Graphemische Ebene: Sie definiert den Vorrat an Schriftzeichen, das sogenannte Alphabet. Die Elemente des Alphabets werden auch als Grapheme bezeichnet. Wie alle anderen Ebenen ist auch die graphemische Ebene sprachspezifisch. Sie spezifiziert beispielsweise, dass die Grapheme ä, ö und ü zum deutschen, nicht aber zum englischen Alphabet gehören. Phonemische Ebene: Die kleinsten Einheiten der Lautsprache sind die Laute oder Phone, wobei die Linguistik unterscheidet zwischen den Phonemen und den Allophonen: Die Phoneme sind die kleinsten bedeutungsunterscheidenden Einheiten einer Sprache. Die Phoneme einer Sprache können mit der Minimalpaaranalyse ermittelt werden. So gibt es im Deutschen beispielsweise das Wortpaar doch und roch (in phonemischer Darstellung gemäss Abschnitt A.2 geschrieben als /dox/ und /rox/) und damit die Phoneme /d/ und /r/. Weil im Deutschen auch Wortpaare wie Rate und Ratte existieren, sind auch /a/ und /a:/ Phoneme. Zwar nicht im Deutschen, aber in sogenannten Tonsprachen (z.b. Chinesisch) gibt es auch Wortpaare und damit Laute, die sich nur in der Tonhöhe bzw. im Tonhöhenverlauf unterscheiden. Solche Laute sind definitionsgemäss auch Phoneme.

7 1.2 Die Beschreibung von Sprache 9 Die Allophone sind zum selben Phonem gehörige Laute oder Lautvarianten. Sie bewirken in der betrachteten Sprache keinen Bedeutungsunterschied. So ist die Bedeutung des Wortes roch dieselbe, unabhängig davon, ob es als [rox] (mit Zungenspitzen-R) oder als [öox] (mit Zäpfchen-R) gesprochen wird. Die Laute [r] und [ö] werden als Allophone des Phonems /r/ bezeichnet. Sind die Allophone beliebig gegeneinander austauschbar (d.h. unabhängig von der Stellung), dann heissen sie freie Allophone. So sind z.b. [ö] und [r] freie Allophone des Phonems /r/. Kommen die Laute nur in bestimmten Kontexten vor, dann werden sie als stellungsbedingte Allophone bezeichnet. Im Deutschen sind beispielsweise die Laute [ç] in ich und [x] in ach stellungsbedingte Allophone des Phonems /x/. Morphologische Ebene: Die Morphologie beschreibt, wie aus Morphemen korrekte Wortformen aufgebaut werden. In der Linguistik werden mit dem Begriff Morphem Abstrakta wie Stamm-, Präfix- und Pluralmorphem bezeichnet. Die konkreten Realisationen sind die Morphe. Morphe wie haus und häus, die zu einer gemeinsamen Grundform {haus} gehören, werden Allomorphe genannt und die Grundform {haus} wird ebenfalls als Morphem bezeichnet. Morpheme sind die kleinsten bedeutungstragenden Einheiten einer Sprache. Eine wesentliche Eigenschaft der Morphe ist, dass sie nicht anhand eines kompakten Satzes von Regeln beschrieben werden können. Sie lassen sich bloss aufzählen. Syntaktische Ebene: Die Syntax beschreibt mittels Regeln, wie Wortformen zu Konstituenten (Satzteilen oder Wortgruppen) und diese wiederum zu Sätzen kombiniert werden können. Für das Deutsche gibt es beispielsweise die Regel, dass Artikel, Adjektiv und Nomen in einer Nominalgruppe bezüglich Kasus, Numerus und Genus (Fall, Zahl und grammatisches Geschlecht) übereinstimmen müssen. So ist des alten Hauses eine korrekte neutrale (sächliche) Nominalgruppe im Genitiv Singular. Semantische Ebene: Die Semantik befasst sich mit der Bedeutung von Wörtern, Ausdrücken und Sätzen. Die Abgrenzung gegenüber der Syntax zeigt sich einleuchtend anhand von Sätzen wie Die Polizei fängt den ausgebrochenen Vulkan wieder ein., der zwar syntaktisch, nicht aber semantisch korrekt (sinnhaft im Gegensatz zu sinnlos) ist. Pragmatische Ebene: Diese Ebene wird oft nicht der Linguistik im engeren Sinne zugerechnet. Sie befasst sich mit dem Zweck der Sprache und stellt das Geschriebene oder Gesprochene in Bezug zur schreibenden bzw. sprechenden Person und in einen grösseren Zusammenhang. Beispielswei-

8 10 1. Grundsätzliches zur Sprache se kann der Satz Du musst dieses Buch lesen! eine Empfehlung oder ein Befehl sein, abhängig davon, ob die Kommunikation zwischen Kollegen stattfindet oder ob ein Lehrer den Satz zu einem Schüler spricht. Zudem erzielt die Sprache je nach Wortwahl oder Formulierung (bei der Lautsprache ist auch die Sprechweise 2 relevant) eine unterschiedliche Wirkung Die phonetische Schrift Aus dem Fremdsprachenunterricht weiss man, dass aus der Schreibweise (graphemische Form) von Wörtern oft nicht ohne weiteres auf deren korrekte Aussprache (phonetische Form) geschlossen werden kann. Vielen Menschen fallen diese Unterschiede zwischen Schreib- und Sprechweise in ihrer Muttersprache nicht auf. Sie sind jedoch in jeder Sprache in mehr oder weniger ausgeprägter Form vorhanden, so auch im Deutschen. Da die Lautvielfalt grösser als die Anzahl der Buchstaben ist, hauptsächlich weil auch Dauer, Tonhöhe, Nasalierung, Stimmhaftigkeit etc. lautunterscheidende Merkmale sind, ist zur Notation der Aussprache eine spezielle Schrift erforderlich, also eine phonetische Schrift. Es gibt eine grosse Vielfalt von phonetischen Schriften, die das Lautsystem einer Sprache verschieden differenziert beschreiben. Für den Sprachenunterricht hat sich die als IPA-Alphabet (International Phonetic Association) bezeichnete phonetische Schrift durchgesetzt. Die IPA-Lautschrift wird auch in diesem Buch verwendet. Einige Beispiele solcher IPA-Symbole sind in der Tabelle 1.1 aufgeführt. Die vollständige Liste aller hier verwendeten IPA-Symbole ist im Anhang A.1 zu finden. Tabelle 1.1. IPA-Symbole mit Beispielen in graphemischer und phonetischer Schreibweise. a hat [hat] a: Bahn [ba:n] ã Pensée [pã"se:] ã: Gourmand [gur"mã:] 5 Ober ["Šo:b5] a < i weit [va < it] a < u Haut [ha < ut] b Ball [bal].. ç sich [ziç] d dann [dan] e Methan [me"ta:n] e: Beet [be:t] E hätte ["het@] E: wähle halte ["halt@]. 2 Bei der Lautsprache ist selbstverständlich die Prosodie (siehe Abschnitt 1.2.4) ein wichtiges pragmatisches Element. So wird im vorgetragenen Märchen der Wolf mit mächtig bedrohlicher Stimme sprechen, das Rotkäppchen situationsbedingt jedoch mit einem dünnen, ängstlichen Stimmlein antworten.

9 1.2 Die Beschreibung von Sprache Die akustisch-phonetische Ebene Im Gegensatz zu den Abschnitten und 1.2.2, in denen die lautsprachlichen Elemente (also die Laute) als Abstrakta betrachtet werden, bezieht sich die akustisch-phonetische Ebene der Sprache auf die konkreten Realisierungen. Es interessiert insbesondere die Frage, wodurch sich die verschiedenen Laute auszeichnen bzw. unterscheiden. In der Phonetik werden die Sprachlaute anhand verschiedenartiger Merkmale charakterisiert. So sind Laute z.b. stimmhaft oder stimmlos (periodisch oder rauschartig), sind gerundet oder ungerundet, hell oder dunkel, zeichnen sich durch bestimmte Formantfrequenzen aus (siehe Abschnitt 1.4.5), sind vokalisch oder konsonantisch. Die Merkmale können sich somit auf die Lautproduktion bzw. den Sprechapparat (nasal, gerundet etc.), auf das Sprachsignal selbst (messbare physikalische Grössen wie Periodizität und Formantfrequenzen), auf die akustische Wahrnehmung (hell / dunkel) oder auf linguistische Konventionen (vokalisch / konsonantisch) beziehen. Da die Laute anhand dieser Merkmale unterschieden werden, werden sie als distinktive Merkmale bezeichnet Die Prosodie der Sprache Die Laute bilden die segmentale Ebene der gesprochenen Sprache. Die suprasegmentale Ebene der Lautsprache wird als Prosodie bezeichnet. Die Prosodie ist ausschliesslich ein Phänomen der gesprochenen Sprache. Ein Pendant dazu gibt es in der geschriebenen Sprache nicht. 4 Die linguistische Funktion der Prosodie umfasst: Kennzeichnung des Satztyps, z.b. von Fragesätzen, die nicht aufgrund der Wortstellung zu erkennen sind, und deshalb mit einer gegen das Satzende ansteigenden Intonation gekennzeichnet werden Gewichtung, d.h. Unterscheidung wichtiger von weniger wichtigen Teilen einer Äusserung Gliederung längerer Äusserungen in sinnvolle Teile. 3 In der Phonetik wird gewöhnlich versucht, die Laute einer Sprache anhand eines minimalen Satzes distinktiver Merkmale zu beschreiben, z.b. in [16], Seite 128 ff. Dadurch lassen sich relevante Unterschiede von irrelevanten trennen, was grundsätzlich eine gute Grundlage für die Lautunterscheidung in der Spracherkennung liefern könnte. Weil jedoch gewisse Merkmale nur auf linguistischen Konventionen beruhen (z.b. vokalisch / konsonantisch) und nicht einer physikalischen Eigenschaft des Sprachsignals entsprechen, sind diese Merkmale in der Spracherkennung nicht sehr hilfreich. 4 Zwar bietet die textliche Form der Sprache die Möglichkeit, Zeichen (Frage-, Ausrufzeichen, Anführungsstriche etc.) oder Markierungen (z.b. das Unterstreichen) anzubringen, oder den Text hinsichtlich Layout zu gestalten. Aber diese Möglichkeiten sind bei weitem nicht gleichwertig.

10 12 1. Grundsätzliches zur Sprache Die linguistischen Abstrakta der Prosodie sind die Akzente (Betonungen) und die Phrasen (Sprechgruppen), wobei sowohl Akzente als auch Phrasengrenzen verschiedene Stärkegrade aufweisen. Nebst der linguistischen hat die Prosodie auch eine ausserlinguistische Funktion: Sie bestimmt, ob eine Stimme gehetzt, zaghaft, traurig, langweilig, wütend usw. wirkt. Damit spielt die Prosodie eine wesentliche Rolle auf der pragmatischen Ebene der Sprache (vergl. Abschnitt 1.2.1). Diesen komplexen, die sinnliche Wahrnehmung betreffenden Eigenschaften der Prosodie stehen die im Sprachsignal messbaren physikalischen Grössen gegenüber, die auch als prosodische Grössen bezeichnet werden: der zeitliche Verlauf der Grundfrequenz und der Signalleistung und die Dauer der Laute und der Pausen. Wie in Abschnitt erwähnt ist, können je nach Sprache die Dauer und die Tonhöhe auch phonemischen Charakter haben, also bedeutungsunterscheidend sein. So ist etwa im Deutschen die Dauer der Vokale teils phonemisch, weil es beispielsweise Wortpaare wie /va:l/ und /val/ (Wahl und Wall) oder und (wähle und Welle) gibt. Hingegen ist die Tonhöhe in der deutschen Sprache ein rein suprasegmentales Phänomen, ganz im Gegensatz zu den sogenannten Tonsprachen, zu denen beispielsweise Chinesisch gehört. Bemerkenswert ist, dass sich sowohl die segmentalen, als auch die suprasegmentalen Merkmale auf dieselben physikalischen Grössen auswirken. So wird der an einer konkreten Stelle eines Sprachsignals messbare Wert der Grundfrequenz beeinflusst durch den Laut an dieser Stelle (die Art des Lautes und, bei Tonsprachen, die Art des Tones), durch den Betonungsgrad der Silbe und durch die Position im Satz Die menschliche Sprachproduktion Übersicht über den Sprechapparat Die Gesamtheit der menschlichen Organe, die an der Produktion von Lautsprache beteiligt sind, wird als Sprechapparat bezeichnet. Dazu gehören im Wesentlichen die Lunge, die Luftröhre, der Kehlkopf mit den Stimmlippen (oder Stimmbändern), das Gaumensegel, die Zunge, die Zähne und die Lippen. Wichtig im Zusammenhang mit der Sprachproduktion sind auch die Hohlräume, insbesondere Rachen, Mund und Nasenraum. Eine Übersicht über den Aufbau des menschlichen Sprechapparates zeigt Abbildung Die Funktion des Sprechapparates Hinsichtlich der Funktion beim Sprechprozess können beim menschlichen Sprechapparat zwei Komponenten unterschieden werden:

11